10月24日凌晨，月之暗面发布新一代模型Kimi K3.1 Pro，拥有3万亿级参数并支持100万Token上下文。官方公布的Terminal-Bench 4.0测试中，该模型取得65.7%的成绩，已非常接近Claude Opus 5.5这样的全球顶尖模型。对一家成立仅数年的中国公司而言，这一成绩足够亮眼。然而，这场本应收获掌声的发布，却因用户对会员额度的抱怨而蒙上阴影。

发布后不久，社交媒体上出现不少关于会员额度的讨论。一些用户购买了每月199元的Pro套餐，准备体验新模型的编程和Agent能力，结果没运行几个复杂任务就接近使用上限。一位开发者使用两个699元的订阅账号，通过49次API请求进行测试，按照相同Token结构折算，发现旧套餐能获得的API价值约为新套餐的1.94倍。这一结果虽不能代表所有用户，但仍引发广泛讨论。

值得注意的是，Kimi此次新模型的API价格其实有所下降。根据官方定价，上一代K3每百万Token的输入和输出价格分别为20元和100元，K3.1 Pro则降至13元和68元。单看API价格，Kimi仍在维持中国模型一贯的成本优势。但对订阅用户而言，模型能力提升、单位Token价格降低，实际使用时却需要更谨慎地计算额度。模型公司交出了漂亮的成绩单，用户却开始抱怨账单。

这一矛盾背后，是中国大模型公司面临的算力约束。2024年的Kimi曾是中国最风光的大模型创业公司之一，凭借长文本能力迅速出圈。当时有企业客户希望接入Kimi模型能力，但月之暗面一位联合创始人以算力不够为由拒绝了合作。两年后，Kimi已从聊天助手成长为能执行复杂编程和长程Agent任务的前沿模型，但用户仍因额度不足而抱怨。两件事相隔两年，却指向同一个问题：中国公司已能造出世界一流模型，但要让这些模型被充分使用，还需要多少算力？

过去两年，大模型本身越来越庞大。Kimi K3总参数量达2.8T，智谱GLM-5.3达753B，DeepSeek V4 Pro达1.6T。这些模型普遍采用MoE架构，每次推理只激活部分参数，但更庞大的模型权重、更复杂的并行计算以及动辄百万Token的上下文窗口，仍意味着更高的显存、互联带宽和基础设施要求。与此同时，Agent的普及正在改变使用方式：一个Coding Agent可能阅读几百个源代码文件，连续工作几十分钟，进行上百次推理和工具调用，消耗数百万甚至更多Token。模型规模与任务复杂度两股力量叠加，把行业算力需求推向新高度。

中国信通院10月23日发布的《大模型词元服务性能监测报告（2026年）》提供了注脚：2026年6月，国内Token日均消耗量约500万亿，是2025年12月的近4倍；国内大模型服务归一化均价从2025年下半年的6.8元上涨至2026年的13.46元，涨幅接近一倍。归一化均价是统一处理后的统计结果，反映价格结构变化，不能直接理解为所有API涨价一倍。但两组数据放在一起，行业变化已相当明显：过去两年中国大模型行业的关键词是价格战，如今当模型从聊天工具变成生产工具，完成一项工作消耗多少计算资源成为更重要的问题。

中国大模型创业公司的起点与美国同行有显著差别。2023年，微软向OpenAI投资数十亿美元，Anthropic与谷歌、亚马逊深度合作，谷歌、Meta等巨头本身拥有庞大AI基础设施。而中国自2022年10月起面临先进计算芯片出口管制，2023年进一步收紧。月之暗面、百川智能等一批公司恰在此时进入前沿模型竞争。算力约束渗透到技术研发、产品供给和商业化的各个环节。DeepSeek从MoE架构、MLA注意力机制到训练效率和推理成本的一系列工程创新，体现了在有限算力下让每张卡发挥更大价值的效率文化。

商业化阶段的选择更为艰难。独立模型公司有限的算力需同时满足下一代模型研发和现有产品推理服务。新模型成功后吸引更多用户，进一步推高推理需求。阿里、字节等拥有云业务的巨头可缓解压力，独立创业公司则每次资源分配都可能意味着放弃另一机会。技术成功有时反而成为昂贵负担：若Kimi真做出全球最好的Coding模型，吸引数百万开发者每天使用，稳定运行Agent所需的计算资源和推理成本将十分庞大。这也解释了开源为何成为中国大模型行业的重要战略：模型权重开放后，全球云厂商、推理服务商和企业用户可利用自身基础设施部署，让影响力突破原厂算力限制，但最初承担巨额研发成本的公司如何获得足够收入维持下一代研发，仍是待解难题。

国产算力进步比许多人想象得快。华为昇腾芯片从早期910系列发展到950系列，官方规格显示昇腾950的FP8算力达1PFLOPS，今年下半年将推出的950DT拥有144GB内存容量和4TB/s访存带宽，部分硬件指标已可比英伟达H200计算卡。寒武纪持续迭代思元系列，平头哥今年9月发布新一代真武V900，宣称计算能力达到上一代M8的更高水平。实际训练和推理效率仍需真实负载检验，但进展可观。

Kimi K3.1 Pro的发布与随之而来的额度争议，恰是中国大模型行业现状的缩影：模型能力已跻身全球前沿，但算力供给、推理成本与商业模式的平衡仍在探索。训练出世界一流模型，与建立一家能持续经营的世界级模型公司之间，仍隔着庞大的计算基础设施和一套尚未成熟的商业逻辑。